国产成人精品无码青草_亚洲国产美女精品久久久久∴_欧美人与鲁交大毛片免费_国产果冻豆传媒麻婆精东

18143453325 或 在線咨詢 在線咨詢
18143453325 或 在線咨詢
所在位置： 首頁 > 營銷資訊 > 行業(yè)動態(tài) > FederatedML：訓練稀疏數(shù)據(jù)效率提升，內(nèi)存消耗再優(yōu)化

FederatedML：訓練稀疏數(shù)據(jù)效率提升，內(nèi)存消耗再優(yōu)化

時間：2022-04-19 06:39:01 | 來源：行業(yè)動態(tài)

時間：2022-04-19 06:39:01 來源：行業(yè)動態(tài)

除聯(lián)邦推薦及KubeFATE的重點更新外，新版本針對FederatedML也做了進一步提升，在1.3中，縱向聯(lián)邦廣義線性模型(Hetero-LR、Hetero-LinR、Hetero-PoissonR)開始支持稀疏數(shù)據(jù)訓練，開發(fā)者在訓練稀疏數(shù)據(jù)時，能明顯感到效率提升，內(nèi)存消耗減少。解決分箱中32M限制，也使得特征分箱支持更高維度和更多樣本的數(shù)據(jù)?？v向SecureBoost 梯度直方圖32M限制的解決，讓FATE可以支持更高維度特征進行secureboost的訓練。

總的來說，1.3版本對FATE功能性及實踐應(yīng)用價值進行了強化，聯(lián)邦推薦算法子模塊FederatedRec的添加，對于用戶而言，最明顯的益處在于可以利用聯(lián)邦推薦來提升自己算法的預測效果和產(chǎn)品的分發(fā)效率，使推薦服務(wù)的質(zhì)量更上一個臺階。這對于第一方數(shù)據(jù)不夠豐富，或者在業(yè)務(wù)的初始時期數(shù)據(jù)積累較少的用戶方，是非常有幫助的。而KubeFATE也開啟了FATE在生產(chǎn)環(huán)境，尤其是云原生環(huán)境上最優(yōu)化管理使用的功能更新探索之路。后續(xù)，微眾銀行也將和VMware進一步合作，推出基于FATE的多方管理新項目。

關(guān)鍵詞：消耗,提升,訓練

74
73
25
news

版權(quán)所有? 億企邦 1997-2022 保留一切法律許可權(quán)利。

為了最佳展示效果，本站不支持IE9及以下版本的瀏覽器，建議您使用谷歌Chrome瀏覽器。 點擊下載Chrome瀏覽器
關(guān)閉